人脸识别真的是坑中之王？

会员服务 ·

人脸识别真的是坑中之王？

2017 年 8 月 10 日 物联网智库

物联网智库编辑整理

转载请注明来源和出处

------ 【导读】 ------

有人说，计算机视觉虽然被炒的火热，其实是个大坑，而人脸识别则是坑中之王。

前几天，一款由人民日报客户端策划出品并主导开发、腾讯天天P图提供图像处理支持的一款H5产品呈现了刷屏的姿势。可以说了，打开朋友圈，满屏尽是军装照。

在这款H5产品推出的四五天内，出现多次井喷式增长，直至8 月 2 日 17 时，浏览次数直逼8.2亿，据称这一数据已足够申请8次世界纪录！（还有消息说是浏览量最后是10亿。）总之，做新闻的人民日报确实把自己做成了新闻！

说到军装照，想必有些人不禁会联想到更早之前的武媚娘cos妆、小学生证件照等刷屏现象。

当然了，翻出各种“历史”照片并不是本文的重点，重点在于这些刷屏现象背后的技术。无论是武媚娘cos妆，还是小学生证件照，又或者是近期大热的军装照，这些让普通人乐不思蜀的玩法背后，究竟有着怎样的故事？

“军装照”的前世今生

2014年，天天P图还只是做自然美妆的应用，致力于研究怎么让人变得更美。直到后来，团队发现，在在微信等社交网络上，越来越多的年轻用户具有恶搞的精神，想要去尝试各种有趣和好玩的妆容。于是，为后来各种朋友圈刷屏的故事奠定了基础。以下援引36Kr Evelyn 杜采访腾讯天天P图的介绍：

第一个阶段：从自然美妆到了恶搞化妆

天天P图团队发现年轻用户有恶搞的精神后，萌生了基于已有的变妆技术，在App上创造了疯狂变妆的功能，就有了之后的武媚娘cos妆等产品。这大概是首次将美妆往恶搞和有趣妆容发展的尝试。

第二个阶段：从恶搞化妆变成人脸融合

去年，《王者荣耀》游戏开始火爆，在腾讯的内部展开了一次游戏PK大赛。由于当时天天P图团队游戏水平太差，而取名“小学生团队”。当时，人脸融合技术处于初级阶段，参赛团队就成了试验品，每个人拿到了一张用工卡合成的小学时期照片当游戏头像，这也就是后来六一儿童节“我的小学证件照”的前身。

从美妆到有趣的变脸玩法，其实每一次刷屏都来之不易。经过两个阶段的发展，才有了这次足够刷新吉尼斯纪录的现象。

支撑美妆变脸背后的黑科技

就拿这次的军装照现象来说，打开APP或者H5链接，只要简单上传一张照片便能轻松的完成美妆变脸，这个看起来很容易就实现的玩法背后，人脸融合技术是其实现的重要基础，自然也少不了多种人工智能技术的加持，不妨先来看看究竟应用到了哪些具体的技术：

技术	简介
人脸检测	在图像上定位出人脸所在区域，检测出的代码一般为多行数组，这是因为一张图中可能出现多张人脸。
关键点定位	在检测到人脸所在矩形框后，还需要进一步定位人脸关键特征所在位置，通常称为Landmark，它是指在人脸检测基础上，定位出人脸局部器官的详细位置，即标记出眉毛、眼睛、鼻子、嘴巴，甚至轮廓的具体位置。人脸关键点定位准确性对人脸识别、人脸跟踪、人脸属性分析、人脸3D建模等应用都至关重要。很多相机利用了这种技术定位鼻子和眼睛，以自动调整它们的形状大小。
透视变换	为了方便处理，这一步采用平面单应矩阵H来描述人脸之间的对应关系，即把人脸作为一个平面来处理位置变换，但有些算法是将人脸作为一个3D的立体效果进行透视。
区域提取	实际上，某些情况下只需要替换人脸，准确地说是五官部分，而人脸外的部分，如头发、脖子都需要过滤掉，因此，区域提取的目的就是找到只包含五官部分的标记。
色彩转换	目的是使当前人脸与要被替换的人脸色彩相近，实现起来相对简单：先计算当前图像和目标图像的颜色直方图，然后调整当前图像的直方图与目标图像的一致，最后将调整后的直方图应用到当前图像。
边缘融合	完成色彩转换后，两个人脸已经比较接近，但如果将两个直接贴合，边缘仍会显得有些突兀。应用拉普拉斯金字塔融合方法，即将图片进行金字塔分解，然后分区域与原图片进行融合，使边缘更连贯。

科技是黑科技，但人脸识别真的那么靠谱吗？

所谓人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

人脸识别系统采用最新人脸识别方法，结合最新第二代身份证阅读器应用技术，通过摄像头捕获到的人像或是指定的人像与数据库中已登记的某一对象作比对核实，确定其是否为同一人。在系统中，集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。

虽然，在很多论文中汇报的人脸识别技术已超过99%，近乎100%。但是，这毕竟属于科研的行列，在科研及应用甚至商业化之间其实存在着巨大的鸿沟。比如在LFW上99.7%，这种数字的意义更多是让搞研究的那个圈子里面的人更加直观的了解到一些情况，但也只能说明人脸识别技术在LFW上已经很成熟了。

【LFW】

这是一个人脸数据库，该数据集是为了研究非限制环境下的人脸识别问题而建立，已有超过13，000张人脸图像，这些图像全部来自于网络，而不是实验室环境，每个人脸图被标准了一个人名。其中，大约1680个人包含两个以上的人脸。这个集合被广泛应用于评价 face verification算法的性能，不过LFW纯粹是一个题库性质的测试，最主要的作用是测试一套系统能不能达到基本的人脸识别能力。（通过这次军装照收集了也有几亿张照片了，这个数据集也算丰富！）

但是，同样的技术，拿到真实环境下得到的准确率也许只有75%，甚至更低。自然，也会造成不好的影响。

不知是否还记得，2015年年底爆出的赵薇老公被司机冒充卖掉豪宅的事件？司机正是前往公证处冒充赵薇老公骗过人脸识别系统，办理了委托公证证明，委托另一人将房屋卖了。

时间推移到近日热映的《建军大业》，有公众号小片用微软的人脸相似度对比网站twins or not（中文名叫“微软我们”）对比了《建军大业》中演员的定妆照和对应历史人物的照片。测试的结果真是让人呵呵哒。

这两个事件也从侧面说明了人脸识别技术还不够成熟、不够靠谱。目前为止，人脸识别技术仍有自身无法规避的缺点，包括：